Senin, 29 Oktober 2012

Samsung Chromebook harga murah model MacBook Air

Suatu gadget baru Chromebook ( yang pada dasarnya seperti laptop tapi menggunakan cloud-sentris Google Chrome OS) dari Samsung seperti MacBook Air akan segera diluncurkan. Perangkat ini  tipis, kinerja luar biasa model seperti Macbook Air. Gadget ini menampilkan layar 11,6 inci yang mampu menjalankan video 1080p, berat 2,5 kilogram, tebal 0,8 inci, baterai tahan 6,5 ​​jam untuk penggunaan normal.Weww.... mesti koprol dan bilang Wee...ww..

Dengan harga $ 249 (sekitar 2,4 juta ) Samsung Chromebook sudah wifi sedangkan yang model 3G dengan harga yang  $ 329.


Ada beberapa alasan Samsung dan Google tidak mengumumkan model tetapi sudah dijual di Amazon. Dengan spesifiksi menggunakan dual-core A15 berbasis Samsung Exynos 5 Dual (5250) SoC, 2GB RAM, 16GB built-in flash storage, WiFi a / b / g / n dan Bluetooth maka Chromebook ini sangat layak dibeli.



Pembeli dan user low end akan menyenangi harga dan model, karena desain nya menyerupai MacBook air dari Apple. Sangat mobile dan futuristik dengan warna silver. Harga terjangkau model mutakhir maka akan diprediksikan laris seperti kacang goreng. Cocok untuk user yang mobile dan aktif tapi dengan harga seperempa dari harga MAcbook Air.Bisa digunakan untuk kerjaan office/kantor maupun gaya di mall.


Sundar Pichai, senior vice Google presiden Chrome dan Apps, mengatakan tujuannya adalah untuk menciptakan  sebagai perangkat kedua orang menggunakan di rumah, sebagai pelengkap "tipis, ringan, komputer portabel tapi kualitas yang hebat.
Dengan menggunakan  Chrome OS Devices Chromebook merupakan kerjasama samsung dan google akan tersedia dengan warna soft yang elegant.Adapun warna yang tersedia antara lain :
    Arctic White
    Titan Silver
    Silver
    Black
Sedangkan Connectivity Chromebook seharga S 249 hanya Wi-Fi Only mengusung energy star sedangkan yang harga @ 329 sudah Wi-Fi + 3G dibenamkan energy star rated.

#Sumber : http://www.tergaptek.com/2012/10/samsung-chromebook-harga-murah-model.html

Cara Mengetahui IP Address Kita Otomatis


Suatu ketika saya mau ikut suatu program online, dari pihak penyelenggara minta IP address, karena saya niat nya tulus dan jujur..tanpa bilang WOWW..dan koprol 3x....saya cari IP Addres yang diminta.
Jika sobat berkenan atau mengalami hal yang sama maka dapat cek atau mengetahui IP addres Sobat dari dua tempat yang saya recomendasikan.

Ternyata pihak tertentu perlu tahu alamat IP mereka karena berbagai alasan, selain kepastian maka, game, dukungan teknis, koneksi remote desktop, deteksi proxy, anonimitas,  merupakan alasan suatu pihak mengetahui IP Addres kita.

Jika Anda perlu menjalankan email Anda sendiri server atau web server, maka akan lebih baik untuk memiliki alamat IP statis. Atau, sebuah VPN IP (atau virtual private network) juga dapat digunakan untuk keamanan jaringan tambahan. Pengunjung perlu datang ke suatu website untuk mengetahui alamat IP Lookup guna menemukan lokasi dari alamat IP. 

Baca selengkapnya: http://www.whatismyip.com/ # ixzz2A4XKaMJT

Oke, Kali ini saya akan share tentang cara Mengetahui IP Kita. Sebelumnya saya juga posting tentang Cara Mengetahui IP Address Kita di Windows. Sekarang kita akan menggunakan jasa . Oke Langsung aja.

Cara 1 :

    Masuk ke ip-adress.com atau klik Disini 
    Lalu akan Terlihat IP Adress Kita. Contohnya seperti dibawah ini

What is my IP address?

Your IP address is: 180.254.32.33

Your IP Address Location: Semarang in ip address flag Indonesia

ISP of your IP: PT. Telecomunikasi Indonesia

Cara 2 :

    Masuk ke whatismyip.com atau klik Disini
    Lalu dilayar akan terlihat IP adress kita saja. contohnya seperti dibawah ini

What Is My IP - WhatIsMyIP.com
Your IP Address Is: 180.254.44.32
No Proxy Detected

Demikian sobat, IP Addres sebaiknya yang statis untuk bisnis atau kegiatan yang pasti - pasti saja, maka NO PLACE buat akses porno/jorok/gambling dan lain-lain, karena IP addres bisa di detect oleh pihak lain.

#Sumber : http://www.tergaptek.com/2012/10/cara-mengetahui-ip-address-kita-otomatis.html

Rabu, 24 Oktober 2012

SISTEM INFORMASI PENDUKUNG KEPUTUSAN PENENTUAN PENJURUSAN DI SMU MUHAMMADIYAH I SURABAYA



ABSTRAK
System Informasi merupakan suatu teknologi yang banyak digunakan di dunia ini. Baik untuk keperluan pabrik, perusahaan, perkantoran dan pendidikan. Pada laporan ini kami membahas suatu sitem informasi pendukung keputusan jurusan di SMU. Penjurusan yang tersedia di SMU meliputi bidang minat Ilmu Alam, Ilmu Sosial, dan Ilmu Bahasa. Penjurusan akan disesuaikan dengan kemampuan siswa pada bidang minat yang ada, tujuannya agar kelak di kemudian hari pelajaran yang akan diberikan kepada siswa menjadi lebih terarah karena telah sesuai dengan kemampuan pada bidang minatnya. Salah satu pertimbangan untuk menyeleksi siswa dalam menentukan jurusan adalah prestasi siswa pada semester satu dan dua (kelas 10) dalam bentuk skor nilai dan ujian psikotes. Kurang akuratnya proses pemilihan jurusan dengan sistem manual pada Sekolah Menengah Umum menyebabkan perlunya suatu penggunaan system komputerisasi untuk mengelompokkan siswa dalam proses pemilihan jurusan.
Dengan adanya “SISTEM INFORMASI PENDUKUNG KEPUTUSAN PENENTUAN PENJURUSAN DI SMU MUHAMMADIYAH 1 SURABAYA” ini maka akan mempermudah guru untuk menentukan penjurusan yang di inginkan oleh siswa dan memberikan hasil yang akurat dalam keputusan, yaitu dengan system komputerisasi. Dengan ketentuan rata – rata nilai raport dan ujian psikotest. Dengan adanya system informasi ini diharapkan mampu meningkatkan pelayanan kepada siswa dan membantu tenaga pendidik dalam menentukan penjurusan terhadap siswa. Pembuatan system ini menggunakan PHP FrameWork untuk bahasa pemrogramannya dengan merealisasikan model MVC (Model, View, Controller) yaitu Code Igniter.
Kata Kunci : Code Igniter, MVC, PHP FrameWork, Proses Penjurusan, Komputerisasi
ABSTRACT
Information System is a technology that is widely used in the world. Both for factories, enterprises, offices and education. In this report we discuss a decision support information Sitem majors in high school. Penjurusan available at SMU include areas of interest Natural Sciences, Social Sciences, and Linguistics. Penjurusan be tailored to the abilities of students in the areas of interest that exist, the goal for later in life lessons that will be given to students to be more focused because it has been in accordance with the capabilities in the field of interest. One of the considerations for selecting students are majoring in determining student achievement in semester one and two (grade 10) in the form of psychological test scores and test. Less accurate election process majors with the manual system in high school led to the need for the use of a computerized system for grouping students majoring in the electoral process.
With the "DECISION SUPPORT SYSTEMS IN DETERMINING MAJOR SMU Muhammadiyah 1 SURABAYA" This will facilitate the teacher to determine penjurusan desired by students and provide accurate results in the decision, by the computerized system. With the terms mean - mean value of report cards and test PsikoTest. Given this information system expected to improve service to students and assist educators in determining major to students. Making this system uses PHP framework for the programming language to realize the model MVC (Model, View, Controller) that is Code Igniter.
Keywords: Code Igniter, MVC, PHP Framework, Process Penjurusan, Computerized

BAB 1
PENDAHULUAN
1.1. Latar Belakang

Pada era informasi dan globalisasi ini penggunaan teknologi informasi begitu cepat berkembang dengan pesat. Oleh karena itu dunia pendidikan dituntut untuk melakukan kegiatan operasional secara efektif dan efisien untuk mempertahankan tingkat pelayanan mutu terhadap siswa dan masyarakat, sehingga system komputerisasi sangat tepat untuk membantu pengambilan keputusan, agar lebih akurat dan mudah. Teknologi software komputer saat ini sangat berpengaruh terhadap perkembangan berbagai bidang dalam kehidupan sehari - hari. Dengan kecanggihan informasi sekarang ini pekerjaan yang ingin diselesaikan oleh manusia dapat dengan mudah diatasi dengan penggunaan software komputer. Peranan komputer sangat diperlukan untuk menyediakan informasi dengan cepat, tepat dan akurat. Salah satu fungsi dari software komputer adalah untuk mengolah data menjadi informasi yang diperlukan oleh user. Semakin tinggi tingkat ketelitian dalam pengolahan data suatu perusahaan/instansi, semakin tinggi pula efesiensi dan efektifitas informasi yang dihasilkan.
Bagi sekolah – sekolah yang ingin meningkatkan pelayanan dan mutu, dalam kegiatan operasionalnya maka sudah saatnya mengganti dari system manual menjadi system informasi. Adapun kekurangan dari penggunaan sistem manual adalah dengan menggunakan sistem manual maka kegiatan operasional akan sering terhambat atau terkendala dengan waktu dan kesalahan teknik baik penulisan maupun penyajian informasi yang diinginkan. Oleh karena itu, perlu dilakukan perubahan dalam melaksanakan kegiatan operasional sekolah. Perubahan tersebut dapat berupa perubahan suatu sistem yang dapat mempermudah dan mempersingkat kegiatan dalam pelaksanaan ataupun penyajian sistem informasi penentuan keputusan penjurusan pada sekolah-sekolah.
Sesuai dengan uraian diatas bahwa komputer sangat diperlukan didalam bidang pendidikan maka hendaknya setiap sekolah sudah memakai sistem komputerisasi dalam pengolahan data. Dengan perkembangan ilmu pengetahuan dan teknologi saat ini, SMU yang merupakan Sekolah Menengah Umum modern dituntut untuk menggunakan komputer sebagai alat bantu dalam penentuan keputusan penjurusan.
Untuk mencapai tujuan dan target sekolah, Kepala Sekolah bertanggung jawab terhadap perancangan, perencanaan dan pembuatan system informasi pendukung keputusan, dimana system informasi ini telah dirancang dan direncanakan sesuai dengan hasil penelitian.
Berdasarkan hal tersebut, maka penulis tertarik untuk membuat sebuah Sistem Informasi Pendukung Keputusan Penentuan Penjurusan pada SMU. Dengan adanya sistem ini diharapkan dapat mempermudah dan membantu pihak sekolah dalam menentukan penjurusan di sekolah, maka penulis akan membahas suatu Sistem Informasi Pendukung Keputusan pada SMA/ SMU dengan judul “Sistem Informasi Pendukung Keputusan Penentuan Penjurusan di SMU”.
Berbagai macam sistem informasi sekolah telah banyak diciptakan sesuai dengan kebutuhan sekolah, misalnya sistem informasi akademik, keuangan, absensi, inventaris ataupun penilaian. Berbagai jenis sistem informasi diciptakan dengan menggunakan bahasa pemrograman yang berbeda - beda, misalnya Foxpro, Visual Basic, Delphi, Java, PHP dll. Pada proyek akhir ini, kami menggunakan bahasa pemrograman PHP Framework.
Rancang Bangun Sistem Informasi Pendukung Keputusan Penentuan Penjurusan Di SMU berdasarkan permasalahan:
1. Belum adanya system informasi pendukung keputusan di SMU Muhammadiyah 1 Surabaya.
2. Bagaimana membangun Sistem Pendukung penjurusan berdasarkan nilai, tes psikotes, dan minat siswa.
3. Bagaimana membangun Sistem Informasi Pendukung Keputusan Penentuan Penjurusan Pada SMU yang mudah diakses oleh Administrator dan Siswa.
4. Meningkatkan mutu dan pelayanan terhadap siswa.

1.2. Batasan Masalah

Sistem ini permasalahannya di batasi agar kita terfokus dapat memberikan pelayanan informasi dengan benar dan tepat sasaran. Ruang lingkup permasalahan ini adalah sebagai berikut:
1. Mengolah informasi penjurusan siswa sehingga dapat meningkatkan efisiensi kerja bagian kepegawaian dan guru agar pelayanan informasi lebih maksimal bagi semua pihak yang berkepentingan.
2. Mengolah informasi tentang data siswa.
3. Mengolah Informasi Tentang Ujian Online.
4. Mengolah Informasi Tentang Penetuan Keputusan Penjurusan.

1.3. Tujuan dan Manfaat
1. Sebagai salah satu syarat menyelesaikan Program Pendidikan Jarak Jauh Diploma 4 Jurusan Teknik Informatika Politeknik Elektronika Negeri Surabaya.
2. Membuat Sistem Informasi Pendukung Keputusan Penentuan Penjurusan di SMU yang dinamis agar dapat digunakan oleh seluruh perangkat sekolah antara lain : Guru, Karyawan dan Siswa.
3. Untuk memudahkan proses penjurusan siswa sehingga pelayanan kepada siswa lebih maksimal, cepat, dan akurat.
4. Untuk memudahkan pengambilan kebijakan dalam penentuan penjurusan siswa.
5. Memacu siswa untuk mengetahui kecanggihan teknologi informasi.

1.4. METODELOGI

Perkembangan system informasi maupun aplikasi dituntut untuk selalu bisa memberikan hal yang terbaru yang tidak dimiliki oleh system informasi yang lain. Dalam perencanaan dan pembuatan Sistem Informasi Pendukung Keputusan Penentuan Penjurusan di SMU ini sangat dibutuhkan kerja keras, ketelitian dan keuletan agar bisa berkembang menjadi sistem informasi yang baik, optimal dan Up-date terbaru. Agar dalam pembuatan system informasi ini dapat berjalan dengan baik dan teratur, maka dibagi dalam beberapa tahapan, sebagai berikut :
1. Tahap Perencanaan
a. Analisa data – data sekolah yang ada dalam rencana aplikasi, misal : informasi sekolah, data siswa, nilai dll.
b. Melakukan wawancara terhadap kepala sekolah untuk rencana pembuatan aplikasi.
c. Mempersiapkan hardware dan software yang dibutuhkan.
d. Perancangan design system informasi meliputi input, output, struktur file, struktur database, hardware, software untuk mendukung system informasi.
2. Tahap Pembuatan Aplikasi
a. Merancang dan membuat desain aplikasi setelah itu mengembangkannya menjadi Use Case diagram secara garis besar.
b. Membuat Use Case diagram menggunakan Microsoft Office Visio.
c. Merancang database dan membuat database dengan My SQL.
d. Membuat Sistem Informasi dengan menggunakan PHP Framework (Code Igniter).
3. Tahap Pengujian Aplikasi
a. Melakukan pengujian setiap melakukan perkembangan fitur pada system informasi, sehingga bisa diketahui apabila fitur yang ditambahkan berjalan baik atau ada error atau troble.
b. Mendiagnosa kesalahan atau error dan melakukan penyempurnaan pada system informasi.
c. Melakukan uji coba aplikasi.
4. Tahap Implementasi Aplikasi

Mengimplementasikan hasil jadi dari system informasi kedalam computer menggunakan intranet atau pun internet sehingga system informasi siap untuk digunakan. Dan apabila dalam mengimplementasi berhasil, maka dilanjutkan dengan peluncuran menjadi system informasi yang bisa online.
Adapun bila digambarkan maka keempat tahapan tersebut seperti pada Flowchart berikut :

Gambar : 1.1
Perancangan dan Pembuatan Aplikasi  

BAB II
TEORI PENUNJANG
2.1. SMK MUHAMMADIYAH 1 Surabaya

Merupakan salah satu sekolah swasta di Surabaya yang terakreditasi, rencana kedepan SMK Muhammadiyah 1 ingin memenuhi kebutuhan system informasi guna meningkatkan mutu dan pelayanan terhadap siswa dan masyarakat. Oleh karena itu SMK Muhammadiyah menerima study kasus kami yaitu : Sistem Informasi Pendukung Keputusan Penentuan Penjurusan, agar keputusan untuk penjurusan siswa lebih akurat dan sempurna.
2.2. System Informasi

Adalah kombinasi dari teknologi informasi dan aktivitas orang yang menggunakan teknologi itu untuk mendukung operasi dan manajemen. Dalam arti yang sangat luas, istilah sistem informasi yang sering digunakan merujuk kepada interaksi antara orang, proses algoritmik, data, dan teknologi. Dalam pengertian ini, istilah ini digunakan untuk merujuk tidak hanya pada penggunaan organisasi teknologi informasi dan komunikasi (TIK), tetapi juga untuk cara di mana orang berinteraksi dengan teknologi ini dalam mendukung proses bisnis.
2.3. Pengenalan PHP Framework

Code Igniter tidak terlalu sulit, apalagi bagi anda yang sudah menguasai PHP dan lebih mudah lagi apabila anda memahami PHP yang berbasis OOP (Object Oriented Programming) maupun konsep MVC(Model View Controller). Framework Codeigniter berbasiskan konsep MVC yang memudahkan programmer dalam mengolah data.
Sebelum memulai membangun aplikasi web, alangkah baiknya mengetahui konfigurasi awal yang harus dilakukan sebelum menggunakan framework Codeigniter ini.
Pertama kita lihat file config.php di folder %CI_Root%\system\application\config terdapat kode $config['base_url'] = ""; ini adalah konfigurasi untuk mengakses alamat dari aplikasi yang akan kita bangun.
2.4. Pengenalan Database

Database secara mudah dapat kita sebut sebagai gudang data. Secara teori, database adalah kumpulan data atau informasi yang kompleks, data-data tersebut disusun menjadi beberapa kelompok dengan tipe data yang sejenis (disebut tabel), di mana setiap datanya dapat saling berhubungan satu sama lain atau dapat berdiri sendiri, sehingga mudah diakses.
2.4.1. Program Pengelola Database

Dalam basis data, database dapat kita kelola menggunakan program aplikasi basis data, misalnya: MySQL, Access, PostgreSQL, dan SQL Server. Aplikasi yang dapat membuat dan mengelola database sering disebut SMBD (Sistem Manajemen Basis Data) atau DBMS (Data Base Manajemen System).

BAB 3
PERENCANAAN SISTEM
Pembahasan materi pada bab ini diarahkan pada langkah - langkah perencanaan dan pembuatan perangkat lunak secara keseluruhan, yang merupakan pokok dari bahasan utama proyek akhir. Perencanaan secara umum dari proyek akhir ini meliputi spesifikasi data apa saja yang akan digunakan untuk membuat Sistem Informasi Penjurusan dimana dengan mengambil studi kasus di SMU Muhammadiyah I Surabaya.
3.1. Perencanaan Alat dan Bahan

Perangkat Keras
Sistem Informasi yang akan dirancang pada penelitian ini berbasis jaringan komputer dan WEB sehingga untuk komponen dasarnya bisa ditentukan sebagai berikut :
Pengendali sisi jauh menggunakan Personal Computer. Koneksi ke WEB yang dikendalikan dengan memakai perantara rangkaian antarmuka. Komputer yang digunakan sebagai pengendali sisi jauh tidak memerlukan spesifikasi khusus selama sanggup menjalankan Server Application Program serta bisa mengidentifikasi rangkaian antarmuka.
Pengendali lokal menggunakan Personal Computer. Komputer yang digunakan sebagai pengendali lokal juga tidak memerlukan spesifikasi khusus selama sanggup menjalankan Client Application Program.
Media transmisi menggunakan jaringan komputer lokal. Pemakaian topologi tidak mempengaruhi kinerja Sistem Informasi Pendukung Keputusan Penentuan Penjurusan selama komputer pengendali sisi jauh sanggup merespon komputer pengendali lokal.
Personal Komputer yang digunakan sebagai server WEB Sistem Informasi dengan spesifikasi standard.

Perangkat Lunak
System informasi ini menggunakan software Netbeans yang digunakan sebagai mesin bahasa pemrograman PHP Framework dan MySQL sebagai data base nya.
3.2. Uraian Perancangan Sistem

Perancangan sistem ini terdiri atas beberapa tahap yang akan diuraikan pada sub bab di bawah ini.
3.2.1. Pengumpulan Data

Dalam pengumpulan data, Informasi umum mengenai penjurusan diperoleh dari institusi terkait yaitu SMU Muhammadiyah I Surabaya. Data-data yang dibutuhkan meliputi :
1. Data Guru
2. Data Siswa
3. Soal Ujian
4. Data Karyawan atau Pegawai

3.2.2. Perancangan Proses

Perancangan proses akan menjelaskan bagaimana sistem bekerja untuk mengolah data input menjadi data output dengan fungsi-fungsi yang telah direncanakan.
3.2.2.1. DFD (Data Flow Diagram)

Data flow diagram merupakan aliran dari sistem SIM Penjurusan yang dibuat. Dimana proses dimulai dari yang bersifat global sampai ke aliran penyimpanan data ke database. Data Flow Diagram (DFD) adalah suatu grafik yang menjelaskan sebuah sistem dengan menggunakan bentuk-bentuk atau simbol untuk menggambarkan aliran data dari proses-proses yang saling berhubungan. DFD menggambarkan input, process, dan output yang terjadi dalam suatu sistem. DFD juga menggambarkan aliran data dalam sebuah sistem.
Pada DFD level 0 ini menggambarkan sistem secara keseleruhan dan hanya mempunyai satu proses saja untuk menggambarkan sistem secara global. Untuk desain DFD level 0 dari sistem ini adalah sebagai berikut.



 Gambar : 3.1
DFD Level 0 Sistem Informasi Penjurusan
DFD (Data Flow Diagram) 1
DFD level 1 ini menggambarkan detail proses-proses yang ada dalam sistem ini. Untuk DFD level 1 Sistem Informasi Penjurusan di SMU Muhammadiyah I Surabaya adalah sebagai berikut

 Gambar : 3.2
DFD Level 1 Sistem Informasi Penjurusan
3.2.2.2. Bagan Alir

Dibawah ini akan ditampilkan diagram alir system yang menggambarkan rangkaian – rangkaian program dari awal hingga akhir.
a. Use Case Diagram

Use case diagram menggambarkan fungsionalitas yang diharapkan dari sebuah sistem. Yang ditekankan adalah “apa” yang diperbuat sistem, dan bukan “bagaimana”. Sebuah use case merepresentasikan sebuah interaksi antara aktor dengan sistem. Use case merupakan sebuah pekerjaan tertentu, misalnya login ke sistem, meng-create sebuah data, dan sebagainya.
Seorang/sebuah aktor adalah sebuah entitas manusia atau mesin yang berinteraksi dengan sistem untuk melakukan pekerjaan-pekerjaan tertentu. Berikut adalah gambar use diagram dari system informasi Penjurusan ini:
 Gambar : 3. 6
Use case Diagram Guru Sistem Informasi Penjurusan 
 Gambar : 3.7
Use Case Diagram Siswa Sistem Informasi Penjurusan
Gambar : 3.8
Use Case Diagram Admin Sistem Informasi Penjurusan

BAB IV
PENGUJIAN DAN ANALISA
Pada bab ini akan dibahas mengenai pengujian dan analisa dari sistem yang dibuat. Hal ini bertujuan untuk mengetahui sejauh mana ketepatan eksekusi sistem yang telah dibuat serta tidak menutup kemungkinan mengetahui kelemahannya. Sehingga dari sini nantinya dapat disimpulkan apakah sistem yang dibuat dapat berjalan secara benar dan sesuai dengan kriteria yang diharapkan.
Pengujian dalam tugas akhir ini meliputi pengujian kesesuaian sistem penjurusan yang ada dalam SIM ini dengan system penjurusan yang ada di SMU Muhammadiyah I Surabaya , kecepatan pekerjaan, kemampuan dan kecepatan dalam menampilkan laporan.
.
4.1 GAMBARAN UMUM
Sistem informasi penjurusan ini merupakan sistem informasi tentang pengelolaan keputusan penentuan penjurusan di SMU Muhammadiyah 1 Surabaya, yang meliputi Nilai KKM, Ujian dan hasil keputusan. Pada halaman depan sistem informasi Penjurusan hanya menampilkan halaman login.
4.2 HASIL PENGUJIAN
Untuk mulai menjalankan aplikasi sistem informasi penjurusan ini, ketikkan alamat URL di web browser Mozilla atau opera atau bisa juga dengan internet expoler sebagai berikut: http://localhost/smu/ . Jika setelah mengakses halaman tersebut didapatkan tampilan halaman utama, maka kita dapat memulai pengujian baik sistem user atau sistem admin yang kita inginkan:
Pengujian Halaman Admin
Pada halaman ini admin Login sebagai admin , setelah itu akan tampil halaman admin. Pada halaman ini terdapat 3 Menu yaitu Soal, Siswa dan kelas yang mempunyai fungsi masing - masing. Disini peran admin sangat penting sekali Karena semua yang bisa mengendalikan data adalah admin.

Login Admin
Gambar 4.1
Tampilan Halaman Utama Sistem Informasi Penjurusan
SMU Muhammadiyah I Surabaya

BAB V
PENUTUP
Pada bab ini merupakan akhir dari penulisan Proyek Akhir ini. Dan dalam bab ini akan dibahas mengenai kesimpulan yang dapat diambil dari hasil penelitian, dan saran-saran yang mungkin agar penelitian ini untuk diperbaiki dan dikembangkan di masa yang akan datang.
5.1 Kesimpulan
Dengan dibangunnya Sistem Informasi Penjurusan ini dapat menangani masalah bagi instansi terkait dalam hal ini SMU Muhammadiyah I Surabaya.
Adapun penanganan masalahnya adalah sebagai berikut :
a. Proses pengolahan data siswa bisa lebih cepat dan terstruktur maksudnya, yang semula masih menggunakan microsoft excel, kini data sudah disimpan dalam database yang memungkinkan pengolahan data siswa bisa dilakukan lebih cepat.
b. Proses Ujian yang biasa dilakukan dengan manual sekarang menjadi komputerisasi dan system keputusan lebih akurat dan lebih cepat.

5.2 Saran
Setiap hasil karya tentunya masih jauh dari sempurna dan masih ada hal-hal yang perlu dikembangkan. Berdasarkan pengamatan lebih lanjut, terdapat beberapa yang masih terbuka untuk dapat diteliti antara lain dalam sistem informasi penjurusan ini masih sangat terbatas pada data siswa, data guru, proses ujian dan hasil keputusan masih sangat sederhana untuk itu penulis berharap di masa yang akan datang ada yang menyempurnakan sistem informasi penjurusan ini, sehingga menjadi sebuah sistem informasi penjurusan yang terintegrasi dan benar-benar dapat diimplementasi-kan di SMU Muhammadiyah I Surabaya.

Sumber :
 Achmad Saputra1, Arna Fariza, S.Kom, M.Kom 2, Rengga Asmara, S.Kom 3
Mahasiswa Jurusan Teknik Informatika1 , Dosen Pembimbing 2
Politeknik Elektronika Negeri Surabaya
Institut Teknologi Sepuluh Nopember
Kampus PENS-ITS Keputih Sukolilo Surabaya 60111
Telp (+62)31-5947280, 5946114, Fax. (+62)31-5946114
Email : putrasamudra@student.eepis-its.edu

Senin, 22 Oktober 2012

Proses Data Mining dalam Sistem Pembelajaran Berbantuan Komputer


Abstrak
Sistem pendidikan berbasis web dan sistem bimbingan cerdas mengumpulkan sejumlah besar data siswa, dari log web untuk model mahasiswa.  Aplikasi data mining pada data tersebut dapat membantu menemukan pengetahuan yang relevan untuk meningkatkan system pembelajaran berbasis komputer. Menggunakan pengetahuan, guru dapat memahami lebih lanjut tentang bagaimana siswa belajar dengan mempelajari sekelompok mahasiswa dalam rangka meningkatkan pengajaran dan pembelajaran. Dalam tulisan ini, proses data mining akan dipisahkan menjadi pengumpulan data, data transformasi, dan analisis data. Asosiasi aturan, klasifikasi, dan clustering adalah algoritma data mining yang dieksplorasi dalam analisis data untuk dibantu komputer sistem pembelajaran.
Kata Kunci: data mining, sistem pembelajaran bantuan komputer, pengetahuan

1.      Pendahuluan
Ketersediaan data yang berlimpah yang dihasilkan dari penggunaan teknologi informasi di hampir semua bidang kehidupan, menimbulkan kebutuhan untuk dapat memanfaatkan informasi dan pengetahuan yang terkandung di dalam limpahan data tersebut, yang kemudian melahirkan data mining.  Data mining merupakan proses untuk menemukan pengetahuan (knowledge discovery) yang ditambang dari sekumpulan data yang volumenya sangat besar. Aplikasi  data mining pada pengelolaan bisnis, pengendalian produksi, dan analisa pasar misalnya, memungkinkan diperolehnya pola dan hubungan yang dapat dimanfaatkan untuk peningkatan penjualan, atau pengelolaan sumber daya dengan lebih baik. Dunia pendidikan memiliki data yang berlimpah dan berkesinambungan mengenai siswa yang dibina dan alumni yang dihasilkannya. Hal ini membuka peluang diterapkannya  data mining untuk pengelolaan pendidikan yang lebih baik [Jing, 2004] dan  data mining dalam pelaksanaan pembelajaran berbantuan komputer yang lebih efektif [Merceron, 2005].
Sistem pembelajaran berbantuan komputer  (computer aided learning system) dapat diimplementasikan sebagai sistem tutorial berbasis web (web-based tutoring tool) [Merceron, 2005] atau sistem tutorial cerdas (intelligent tutoring system) [Nilakant, 2004]. Di dalam sistem tutorial berbasis web maupun sistem tutorial cerdas, setiap interaksi siswa dengan sistem akan dicatat dalam suatu basis data dalam bentuk web log atau model siswa (student model). Setelah sistem tersebut digunakan dalam proses pembelajaran selama jangka waktu tertentu, maka akan terkumpul sejumlah besar data. Kumpulan data tersebut dapat diproses lebih lanjut dengan  data mining untuk memperoleh pola baru yang dapat digunakan untuk meningkatkan efektifitas dalam proses pembelajaran.
Makalah ini akan membahas bagaimana  data mining dapat dimanfaatkan untuk meningkatkan efektifitas dalam proses pembelajaran berbantuan komputer dari sudut pedagogi. 
2.      Data Mining 
Data mining mengacu pada proses untuk menambang (mining) pengetahuan dari sekumpulan data yang sangat besar [Jiawei, 2001]. Sebenarnya  data mining merupakan suatu langkah dalam  knowlegde discovery in databases (KDD). Knowledge discovery sebagai suatu proses terdiri atas pembersihan data (data cleaning), integrasi data (data integration), pemilihan data (data selection), transformasi data (data transformation),  data mining, evaluasi pola (pattern evaluation) dan penyajian pengetahuan (knowledge presentation). Kerangka proses data mining yang akan dibahas tersusun atas tiga tahapan, yaitu pengumpulan data (data collection), transformasi data (data transformation), dan analisis data (data analysis) [Nilakant, 2004]. Proses tersebut diawali dengan preprocessing yang terdiri atas pengumpulan data untuk menghasilkan data mentah (raw data) yang dibutuhkan oleh  data mining, yang kemudian dilanjutkan dengan transformasi data untuk mengubah data mentah menjadi format yang dapat diproses oleh kakas data mining, misalnya melalui filtrasi atau agregasi. Hasil transformasi data akan digunakan oleh analisis data untuk membangkitkan pengetahuan dengan menggunakan teknik seperti analisis statistik,  machine learning, dan visualisasi informasi.

Gambar 1.  Aliran informasi dalam data mining

Pada gambar 1 ditunjukkan diagram yang menggambarkan aliran informasi dalam proses  data mining yang diadaptasi dari [Nilakant, 2004]. Proses data mining pada gambar tersebut ditunjukkan sebagai proses yang iteratif. Hasil evaluasi  pengetahuan yang dihasilkan  data mining dapat menimbulkan kebutuhan pengetahuan  yang lebih lengkap, perbaikan kumpulan data (dataset) atau perubahan pada sistem.
3.      Data mining dalam pembelajaran
Untuk menentukan variabel apa saja yang perlu dicatat dari interaksi siswa dengan sistem, perlu dikembangkan suatu model interaksi siswa-sistem. Gambar 2 menunjukkan analisis interaksi tersebut pada beberapa lapisan (layer) yang berbeda [Nilakant, 2004].  Apabila evaluasi sistem tutorial diterapkan pada lapisan terluar, maka akan dilakukan  pre-test sebelum pelajaran dimulai dan  post-test setelah pelajaran selesai diberikan. Perbedaan  pre-test dan  post-test akan menunjukkan perubahan kinerja setiap  siswa dengan granularitas pada tingkat pelajaran. Jika diperlukan analisis yang lebih terinci, maka eksplorasi hasil belajar (learning outcome) harus dilakukan pada lapisan yang lebih dalam. Sebagai contoh, pembelajaran dalam suatu pelajaran tersusun atas beberapa sesi. Setiap sesi diawali dan diakhiri dengan tes untuk mengevaluasi perubahan kinerja setiap siswa per sesi. Selama suatu sesi, siswa akan mencoba mengerjakan sejumlah soal. Untuk mengerjakan suatu soal, siswa mungkin akan mencoba beberapa kali sebelum mendapatkan solusi yang paling tepat. Dari interaksi tersebut, beberapa informasi dapat dicatat oleh sistem, seperti misalnya apakah siswa dapat menjawab setiap soal dengan benar, berapa kali siswa mencoba sebelum akhirnya memberikan jawaban yang tepat. Pada tingkat granularitas yang paling baik, setiap usaha siswa menjawab soal dibedakan atas melanggar atau memenuhi sejumlah aturan. Informasi mengenai pelanggaran atau pemenuhan tersebut dapat dicatat, dan akan menghasilkan representasi status kognitif siswa, yang dikenal sebagai model siswa.
Informasi yang dihasilkan pada berbagai lapisan tersebut di atas dapat saling melengkapi, sehingga analisis data dapat menunjukkan hubungan antara data dari berbagai lapisan. Sebagai contoh, untuk setiap pelanggaran aturan yang dicatat, informasi mengenai siswa yang melakukan pelanggaran, pelajaran yang sedang diikuti, soal yang sedang dipelajari, serta usaha yang menyebabkan pelanggaran harus disimpan juga. Pada tabel 1 ditunjukkan ringkasan data yang dapat disimpan untuk setiap usaha yang dilakukan siswa dalam menjawab soal.

Tahap pengumpulan data akan menyediakan data dalam volume yang cukup besar, namun analisis data tidak dapat langsung dilakukan terhadap kumpulan data tersebut, karena harus dilakukan transformasi terhadap data sehingga analisis siap dilakukan. Data mentah yang dihasilkan dari pengumpulan data, biasanya tersimpan dalam bentuk beberapa tabel basis data. Karena analisis data umumnya dilakukan terhadap suatu tabel tunggal, maka perlu dilakukan penggabungan (join)  beberapa tabel yang relevan. Hasilnya adalah suatu struktur yang disebut dengan dataset, seperti tampak pada gambar 3 [Nilakant, 2004]. Dataset dapat dikelompokkan secara vertikal sebagai kumpulan atribut dan secara horisontal sebagai kumpulan instans. Setiap atribut mempunyai tipe data, yang dapat berupa numerik, teks, atau bentuk lainnya. Jika domain nilai suatu atribut berhingga, maka disebut atribut nominal. Suatu instans adalah data yang dihasilkan dari suatu kejadian di dunia nyata, yang dicatat dalam beberapa atribut.

 


Transformasi dataset dapat dilakukan dalam beberapa cara, antara lain filtrasi dataset dan konversi atribut [Nilakant, 2004][Jiawei, 2001]. Filtrasi dataset dilakukan dengan mengurangi ukuran dataset, yaitu dengan membuang beberapa informasi yang tidak relevan. Sebagai contoh, dari analisis terhadap data mentah ditemukan bahwa beberapa soal dalam basis data cenderung menimbulkan pelanggaran terhadap aturan tertentu. Untuk eksplorasi penyebabnya, analisis harus dibatasi hanya terhadap kumpulan soal tersebut. Dengan menyaring informasi tersebut, proses analisis akan memberikan hasil yang lebih dapat diandalkan (reliable). Filtrasi dilakukan terhadap salinan data, sehingga data asli tidak mengalami perubahan data. Cara berikutnya untuk transformasi data adalah konversi atribut, yaitu bekerja pada nilai atribut di setiap instans dari dataset. Tujuan dari konversi atribut adalah mengubah atribut bernilai kontinu (tidak berhingga) menjadi atribut dengan nilai nominal (berhingga), karena sebagian cara analisis dengan machine learning tidak dapat berfungsi pada atribut yang bernilai kontinu.  Terdapat dua cara untuk melakukan diskritisasi nilai atribut. Cara pertama dengan melakukan penelusuran (scanning) seluruh dataset untuk semua nilai kontinu yang muncul, kemudian menggunakan nilai tersebut sebagai domain dari atribut nominal.  Teknik ini membuat domain nilai menjadi himpunan tertutup dari nilai yang  mungkin muncul, sehingga dataset menjadi ‘sparse’. Terdapat teknik lainnya, yaitu  ‘binning’, yang mendefinisikan kumpulan kelas nominal untuk setiap atribut,  kemudian menetapkan setiap nilai atribut ke dalam salah satu kelas. Misalnya, jika domain atribut numerik mempunyai nilai dari 0 sampai dengan 100, domain tersebut dapat dibagi menjadi empat bin (0..24, 25..49, 50..74, 75..100). Setiap nilai atribut akan dikonversi menjadi atribut nominal yang berkorespondensi dengan salah satu bin. Terdapat tiga cara untuk mendefinisikan interval nilai, yaitu equal-width, equal-frequency, dan customised. Equal-width akan membagi interval nilai atribut menjadi n interval yang lebarnya sama.  Equal-frequencymenghitung interval dari setiap  kelas sehingga setiap kelas yang dialokasikan akan mempunyai frekuensi instans dataset yang hampir sama.
4.      Penerapan Teknik Data Mining
Proses analisis data dengan menerapkan teknik  data mining dapat dilakukan melalui analisis statistik atau dengan pendekatan  machine learning. Analisis data pembelajaran dengan pendekatan machine learningakan menggunakan tiga teknik, yaitu  association rules,  clustering, dan classification [Nilakant, 2004][Merceron, 2005]. Algoritma  association rule (AR) digunakan untuk menemukan hubungan antar nilai tertentu dari atribut nominal dalam suatu dataset. Aturan yang dihasilkan dapat ditulis dalam bentuk “if-then” dengan mempertimbangkan besaran support  dan  confidence  untuk menilai reliabilitas aturan. Bentuk umum aturan dalam association rule adalah :
 (X = xi) →(Y = yi)  [sup,conf]
dengan X = { x1, x2, . . ., xn}, Y = { y1, y2, . . ., ym}, sup = probabilitas bahwa suatu instans dalam dataset mengandung X Y, conf = probabilitas kondisional bahwa instans yang mengandung X juga mengandung Y.  Pada gambar 4 ditunjukkan contoh atribut dataset  yang dapat diturunkan dari Tabel 1  yang akan digunakan sebagai acuan untuk pembahasan dalam algoritma AR, classification, dan clustering berikut ini. Dataset tersebut dapat merupakan gabungan dari beberapa data yang diperoleh saat siswa berinteraksi dengan sistem pembelajaran.


Dalam mining data pembelajaran, algoritma AR dapat dimanfaatkan untuk menemukan kesalahan yang sering terjadi pada saat siswa mengerjakan latihan soal. Sebagai contoh, dari dataset pada gambar 4,  diperoleh kumpulan instans mengenai siswa yang melakukan kesalahan dengan frekuensi tertentu.  Diasumsikan kumpulan instans tersebut memenuhi kondisi jika siswa melakukan kesalahan A dan kesalahan B, maka mereka juga melakukan kesalahan C, misalnya dengan support 30% dan confidence 60%, akan ditulis sebagai :
A and B → C [30%,60%]
Aturan tersebut dapat dibaca sebagai berikut : dari 30% siswa yang melakukan kesalahan A dan kesalahan B (dari seluruh siswa yang mengerjakan latihan soal), 60% diantaranya melakukan kesalahan C. Algoritma AR juga dapat menyatakan hubungan antara beberapa atribut yang berbeda, misalnya kesalahan A pada konsep X menimbulkan kesalahan B pada konsep Y, yang ditulis sebagai 
A and X → B and Y
Teknik  classification bekerja dengan mengelompokkan data berdasarkan data training  dan nilai atribut klasifikasi. Aturan pengelompokan tersebut akan digunakan untuk klasifikasi data  baru ke dalam kelompok yang ada. Classification dapat direpresentasikan dalam bentuk pohon keputusan (decision tree). Setiap node dalam pohon keputusan menyatakan suatu tes terhadap atribut dataset, sedangkan setiap cabang menyatakan hasil dari tes tersebut. Pohon keputusan yang terbentuk dapat diterjemahkan menjadi sekumpulan aturan dalam bentuk IF condition THEN outcome.
Perbedaan utama antara aturan hasil algoritma AR dengan aturan hasil classification adalah  classification hanya membuat model untuk satu atribut, yaitu atribut kelas. Pada algoritma AR, bagian konsekuen aturan (bagian kanan aturan) dapat mengandung lebih dari satu atribut, sedangkan pada classification hanya mengandung nilai atribut dari atribut kelas. Hal ini dapat digunakan untuk analisis secara top-down, yaitu mulai dengan algoritma AR untuk memperoleh hubungan antara beberapa atribut, kemudian analisis dipersempit pada atribut tertentu dengan menggunakan classification.  Dengan menggunakan dataset hasil belajar siswa seperti pada gambar 4,  sebagai data training pada suatu tahun, dapat dibuat pohon keputusan untuk memperkirakan distribusi nilai siswa pada tahun berikutnya. Gambar 5 menunjukkan contoh pohon keputusan yang dihasilkan dari teknik classification. Pada gambar 5 terlihat klasifikasi siswa yang didasarkan pada jumlah kesalahan yang dilakukan siswa dan tingkat pencapaian dalam pengerjaan soal. Pemilihan atribut yang digunakan dalam pohon keputusan ditentukan secara heuristik dengan information gain [Jiawei, 2001].



Teknik  clustering bekerja dengan mencari kemiripan di antara objek dengan memperhatikan karakteristik objek, sekelompok objek yang mirip akan termasuk ke dalam satu cluster. Teknik yang dapat digunakan untuk melakukan  clustering  antara lain algoritma  k-means atau algoritma  kmedoids  [Jiawei, 2001].  Clustering dapat diterapkan untuk mengenali karakteristik siswa yang mengalami kesulitan belajar. Misalnya kita ingin menganalisis siswa yang sudah mencoba mengerjakan latihan, namun tidak dapat menyelesaikannya sampai tuntas. Dalam hal ini, data yang dapat digunakan adalah jumlah kesalahan  yang dilakukan seorang siswa dalam mengerjakan suatu soal. Dengan demikian, siswa-siswa  dengan frekuensi dan jenis kesalahan yang hampir sama (mirip), dapat dikelompokkan dalam satu cluster yang sama. Sebagai contoh, bila n < m, cluster 1 adalah kelompok siswa yang frekuensi kesalahannya lebih kecil dari n, cluster 2 adalah kelompok siswa dengan frekuensi kesalahan di antara n sampai dengan m, dan cluster 3 adalah kelompok siswa dengan frekuensi kesalahan lebih besar dari m. Contoh visualisasi clustering dapat ditunjukkan seperti pada gambar 6. Pada gambar tersebut terdapat tiga cluster dan beberapa outlier.  
5.      Kesimpulan

Penerapan data mining dalam sistem pembelajaran berbantuan komputer diawali dengan pengumpulan data, yang dilanjutkan dengan  transformasi data,  dan diakhiri dengan analisis data. Pada pengumpulan data, harus didefinisikan suatu model interaksi siswa-sistem untuk menetapkan data yang harus dicatat dari suatu proses pembelajaran. Model interaksi siswasistem tersebut dapat tersusun atas beberapa lapisan untuk memungkinkan penangkapan data pada tingkat granularitas yang berbeda. Proses transformasi data mengubah data mentah menjadi dataset yang siap dianalisis. Transformasi dapat dilakukan pada instans dataset melalui proses filtrasi, maupun pada atribut dari dataset melalui filtrasi ataupun konversi. Analisis data hasil pembelajaran dapat dilakukan dengan menerapkan teknik algoritma  association rules, classification, dan clustering untuk menghasilkan pengetahuan yang dapat membantu guru dalam mengelola kelasnya dengan memahami cara belajar siswa, dan memberikan umpan balik proaktif kepada siswanya. 

Daftar Pustaka
Jiawei, H., Kamber, M. (2001). Data Mining Concepts and Techniques, Morgan Kaufmann Publishers.
Jing, L.(2004). Data Mining Applications in Higher Education, www.spss.com/events/e_id_1471/Data Mining in Higher Education.pdf,  diakses tanggal 22 Oktober 2012.
Nilakant, K. (2004). Application of Data Mining in Constraint Based Intelligent Tutoring System, www.cosc.canterbury.ac.nz/research/reports/HonsReps/2004/hons_04
08.pdf, diakses tanggal 22 Oktober 2012.
 Merceron, A., Yacef, K. (2005). Educational Data Mining : a Case Study, http://www.it.usyd.edu.au/~kalina/publis/ merceron_yacef_aied05.pdf, diakses tanggal 22 Oktober 2012.
Merceron, A., Yacef, K. (2005). TADA-Ed for Educational Data Mining,       imej.wfu.edu/articles/2005/1/03/printver.asp, diakses tanggal 22 Oktober 2012.